互联网技术,特别是来自不同传感器的多峰性数据的可用性包括物联网、传感器网络,发展迅速。这些复杂系统与传统的集成和组合(CS),特别是在自然和社会中存在的问题,极大地扩大了收购更多样的观察状态监测,故障诊断,提高了精度和效率。这一点,随着智能数据分析的爆炸,特别是深上优于人工智能,使其可行的模型的链接,动力学,在这样的系统反馈回路。典型的例子可广泛发现在许多应用程序中,例如,智能交通、先进制造业、物流、自然资源和灾害管理,网络流量和负荷的优化。

实现这样的复杂系统,特别是与真正的自然和社会挑战,认知modeling-based智能计算已经成为先进的建模和分析的一种趋势。这种情况尤其在处理大量的多峰性不同节点的数据系统和更有效地建模这种系统的混沌和非线性性质。在过去的二十年里,各种模式和方法提出了应对潜在的挑战在这个跨学科的主题,而且由于这些复杂系统的本质,有效地解决不同方面相关的挑战已经成为一个至关重要的问题。

这个特殊问题的目的是整理原始跨学科研究和评论文章重点是集成的概念和技术,适应应用程序的复杂性,如何应对这些挑战下的资源环境。这些不仅将包括新的模型、算法和创新应用,而且实用的解决方案,特别关注如何裁缝通用技术具体应用。特别感兴趣的是应用程序的认知模型,由于其密切联系AI-enabled机器学习,和他们直接应用自然和社会。

潜在的主题包括但不限于以下:

• 基于人工智能机器学习集成的概念和解决方案
• 深上优于多峰性数据的融合和采矿
• 性能建模和多通道数据密集型系统的风险评估
• 遗传进化计算建模和多峰性数据
• 稀疏表示和压缩感知的智能数据采集和有效的降维
• 集成解决方案和新兴应用程序在多峰性数据
• 基准数据/方法、性能评价和测量系统